为了适应视觉跟踪过程中目标外观变化，提高视觉跟踪算法的鲁棒性，本文基于卷积神经网络（Convolutional Neural Network，CNN）并结合多域学习法与多模板管理，提出一种通过树形结构管理多模板的多域卷积神经网络（Multi-Domain CNNs with Multiple Models in a tree structure）视觉跟踪算法。首先使用大量已标记目标位置的视频数据预训练多域结构的CNN，使CNN 卷积层可从图像中提取出适用于跟踪任务的特征。然后在跟踪时中对CNN 全连接层进行微调以适应跟踪目标，并使用树形结构管理存储不同时间段的目标模板得到模板树。使用模板树综合评价待检测帧，估计目标位置。最后按照一定规则将新模板添加进模板树，完成模板的更新。实验表明，该算法对跟踪过程中目标外观的变化有着良好的适应性，同时多模板可抑制CNN 在跟踪时产生的模板漂移问题。

传统梯度类自动调焦评价函数对不同清晰度的序列图像不能兼顾灵敏度高和可调焦范围广两种特性, 因此提出了基于人类视觉系统(HVS)算子的自适应清晰度自动调焦评价函数。检测图像各方向上的边缘, 计算轻微离焦图像函数值; 当图像深度离焦时, 划分子区域降低采样率后进行清晰度评价。仿真实验表明本文提出的评价函数, 轻微离焦位置灵敏度高, 对深度离焦区域图像加均值为 0, 方差为 0.001,0.005,0.01的高斯噪声后函数曲线几乎不变, 深度离焦区域内可调焦范围大。该评价函数具有灵敏度高、可调焦范围大、抗噪性能良好等特性, 更适合粗精结合的搜索算法使用。

为满足光电跟踪系统图像跟踪抗遮挡、实时性的要求, 提出了一种改进检测器和目标模型更新策略的 TLD算法。首先, 通过帧差法获得差分图像序列, 其次, 利用动态 Otsu阈值对差分图像进行二值化处理, 滤除背景差分像素, 获取移动物体边界框, 最后, 产生局部滑动窗口, 进行随机厥分类和最近邻分类；并且优化了目标模型更新策略。实验表明, 对于分辨率为 320×240的视频, 改进算法较原算法跟踪速度提升比平均为 1.50, 满足系统的实时性要求；改进算法抗遮挡性能及在低对比度环境中的跟踪性能优于 Mean-Shift算法, 满足系统的抗遮挡要求。

针对机械伺服系统因温度变化产生的非线性摩擦变化，提出了一种反映温度因素的摩擦建模方法来实现对伺服系统的摩擦补偿。首先，分析了温度和摩擦的关系，并结合修正黏性摩擦的LuGre模型，讨论了该模型各参数与温度之间的关系。利用单隐层BP神经网络描述了随温度变化的各个参数，并确定了神经网络的输入、输出以及传递函数。然后，通过神经网络训练获得神经网络参数，从而得到与温度相关的摩擦模型。最后，改变运行条件，验证了提出的模型对摩擦的估计能力。建立的摩擦模型在不同运行条件、不同温度状态下的最大相对估计偏差小于2.5%，表明其能很好地估计系统摩擦力矩，满足高精度摩擦补偿。

针对一种立柱式二维移动视觉测量系统, 提出了其数学模型的建立和标定方法。分析了测量原理和系统组成, 并通过对运动定位和摄像机成像的独立建模, 构建了符合测量原理的整体数学模型。标定时, 在完成对定位误差等 13项几何误差标定的基础上, 通过移动摄像机使圆孔靶标的像平均分布在摄像机的像面上, 根据靶标的工作台位置、像点坐标、以及测量时对应的运动机构移动量, 利用最小二乘非线性拟合方法实现对摄像机成像模型参数的标定。实验结果表明：经建模和标定后, 测量平均误差为 1.8 μm。利用该方法进行移动视觉测量系统的建模和标定, 可以有效地保证系统的测量精度。

研究了建立滚珠丝杠副热误差模型的方法, 以进一步提高半闭环丝杠驱动系统的定位精度。分析了滚珠丝杠副的热源和温度场的动态特性并考虑丝杠驱动系统运行条件提出了基于Elman神经网络的热误差建模方法。首先, 根据滚珠丝杠副的结构特点, 确定其内部热源及温度场分布特性。然后, 基于丝杠温度分布函数, 研究丝杠热变形与其内部热源之间的动态非线性函数关系。最后, 综合考虑丝杠驱动系统运行条件对其热误差的影响, 建立了基于Elman神经网络的热误差预测模型。实验结果表明, 当丝杠驱动系统的运行条件较为复杂时, 采用文中提出的预测模型得到的热变形估计残差为-3.1 μm~2.4 μm。结果显示: 考虑运行条件的Elman神经网络比BP和Elman网络(仅考虑温升数据)具有更好的预测精度和鲁棒性, 有较强的工程应用前景。

将坐标测量机与单目视觉测量系统组合起来, 提出了一种触发式测头与视觉测头联合标定的方法。选用内孔径为4 mm的光面环规作为标定件, 并利用转台、精密滑台配合视觉系统进行环规成像面的调整; 然后, 利用视觉测量系统提取环规内孔圆心图像坐标, 包括设置图像的感兴趣区(ROI)、二值化、形态学去噪、亚像素边缘检测和利用最小二乘法提取圆心的图像坐标。通过拟合内孔圆柱面找到轴线, 并利用接触传感系统提取相同位置圆心仪器坐标下坐标; 最后, 采用最小二乘法求解相关方程, 完成联合标定。试验验证显示, 该标定方法的标定精度高于6 μm, 优于已有的标定方法, 能够满足测量系统联合测量的精度需要。

坐标测量机中传统的间接定位方法对微小特征定位不够精确, 为了提高微小特征的定位精度, 采用机器视觉技术对微小特征本身直接定位的方法, 进行了理论分析和实验验证。根据红宝石轴承材料的光学特性, 设计了视觉自动定位系统, 通过图像算法提取轴承内孔的图像中心, 并使用测量机的测针端部作为靶标对相机进行标定, 取得了相机图像坐标系与测量机坐标系的转换系数数据。结果表明, 该系统的定位精度达到0.01mm, 这一结果对提高微小特征的定位精度是有帮助的。

研究了滚珠丝杠在单热源作用下的温度场模型，以便快速、准确地预测滚珠丝杠的热误差。根据丝杠的导热方程，在合理修改边值条件的基础上，建立滚珠丝杠的温度场理论模型，引入随温度变化的参数α′修正该模型，并提出模型参数的辨识方法。结合机械热变形理论，用所建立的温度场模型预测滚珠丝杠的热误差，进行温度场模型参数辨识实验和模型预测效果的验证实验。结果显示：基于温度场模型预测的温升值与实验测得的温升值之间的最大误差为0.8 ℃; 热误差预测结果与实测结果的最大误差为3.8 μm。结果表明所建立的温度场模型可以较准确地反映滚珠丝杠在单热源作用下的温度分布，进而可以较准确地预测滚珠丝杠的热误差。

为精确得到模型的动静态参数，提出了以稳态误差分析为基础的模型参数辨识方法。首先，确立了伺服系统的稳态误差与其输入信号、干扰信号的关系，并以此为基础消除了转矩纹波对摩擦模型参数辨识的干扰；然后，利用稳态误差推导摩擦力矩，采用遗传算法辨识动静态参数；最后，利用辨识后的模型进行摩擦补偿，分析其补偿效果。实验结果表明,补偿后的稳态误差明显减小，匀速运动时由36 μm减小到±3 μm，匀加速运动时由34 μm减小到±3 μm，正弦运动时由±35 μm减小到±7 μm。本文提出的辨识方法能够精确地得到LuGre摩擦模型的动静态参数。基于辨识后的模型可有效地提高伺服系统的跟踪精度。